Résolution numérique des équations | Sciences de l'ingénieur - Simulation de systèmes - Cours Complet avec Diagrammes et Exercices
Introduction à la résolution numérique
Découvrez les méthodes numériques pour résoudre les équations complexes
Définition de la résolution numérique
Qu'est-ce que la résolution numérique ?
La résolution numérique des équations est une méthode qui permet d'obtenir des solutions approchées d'équations mathématiques (algébriques ou différentielles) à l'aide d'algorithmes informatiques. Elle est utilisée lorsque les solutions analytiques ne sont pas disponibles ou sont trop complexes à obtenir.
- 1 Équations algébriques (f(x) = 0)
- 2 Équations différentielles ordinaires (EDO)
- 3 Systèmes d'équations linéaires
- 4 Équations différentielles partielles (EDP)
Méthode de Newton-Raphson
Résolution des équations algébriques
La méthode de Newton-Raphson est une méthode itérative pour trouver les racines d'une fonction f(x) = 0. Elle utilise la tangente à la courbe pour approcher la solution. Partant d'une valeur initiale x₀, on calcule les itérations suivantes :
La méthode converge rapidement si le point initial est proche de la solution.
- La fonction f(x) doit être dérivable
- La dérivée f'(x) ne doit pas s'annuler
- Le point initial doit être suffisamment proche de la solution
- La fonction doit être suffisamment régulière
Méthode d'Euler
Résolution des équations différentielles
La méthode d'Euler est une méthode simple pour résoudre les équations différentielles du premier ordre de la forme y' = f(t, y). Elle approxime la dérivée par un quotient de différence :
Où h est le pas de temps (intervalle entre deux itérations).
La méthode d'Euler est d'ordre 1, ce qui signifie que l'erreur est proportionnelle au pas de temps h. Pour améliorer la précision, on peut :
- Réduire le pas de temps h
- Utiliser des méthodes d'ordre supérieur (Runge-Kutta)
- Appliquer des corrections (Euler amélioré)
Méthodes de Runge-Kutta
Méthodes d'ordre supérieur
La méthode de Runge-Kutta d'ordre 4 (RK4) est plus précise que la méthode d'Euler. Elle utilise 4 évaluations de la fonction f(t,y) pour estimer la pente moyenne sur l'intervalle. L'algorithme est :
- Meilleure précision (ordre 4 au lieu de 1)
- Moins de pas nécessaires pour la même précision
- Plus stable numériquement
- Meilleure conservation des propriétés physiques
Application aux systèmes électriques
Équations des circuits
Le circuit RC série est régi par l'équation différentielle :
Où uC est la tension aux bornes du condensateur, E est la tension d'alimentation, R la résistance, et C la capacité. Lors de la charge, la solution est : uC(t) = E(1 - e^(-t/RC)).
On peut résoudre cette équation par la méthode d'Euler en posant :
Où h est le pas de temps de la simulation.
Application aux systèmes mécaniques
Oscillateur harmonique
Le système masse-ressort est régi par l'équation différentielle du second ordre :
Où m est la masse, k la raideur du ressort, et x la position. Cela peut se réécrire comme un système d'équations du premier ordre :
On applique la méthode d'Euler à chaque équation :
Cette méthode permet de simuler le mouvement oscillatoire.
Exercice d'application
Résolution d'une équation différentielle
On considère l'équation différentielle : dy/dt = -2y + 4, avec y(0) = 1. On souhaite résoudre cette équation par la méthode d'Euler sur l'intervalle [0, 2] avec un pas de h = 0.5.
1. Calculer la solution analytique.
2. Appliquer la méthode d'Euler pour obtenir les valeurs de y aux instants t = 0.5, 1, 1.5, 2.
3. Comparer les résultats avec la solution analytique.
4. Quelle est la précision de la méthode dans ce cas ?
Solution de l'exercice
Correction détaillée
L'équation dy/dt = -2y + 4 est une équation linéaire du premier ordre. La solution est :
La solution analytique est donc y(t) = 2 - e^(-2t).
Avec la méthode d'Euler : y_{n+1} = y_n + h·(-2y_n + 4) = y_n + 0.5·(-2y_n + 4) = y_n - y_n + 2 = 2
Plus précisément : y_{n+1} = y_n + 0.5·(-2y_n + 4) = y_n(1-1) + 2 = y_n + 2 - 2y_n = 2 - y_n
Donc : y_1 = 2 - y_0 = 2 - 1 = 1, y_2 = 2 - y_1 = 2 - 1 = 1, y_3 = 2 - y_2 = 2 - 1 = 1, y_4 = 2 - y_3 = 2 - 1 = 1
Les valeurs analytiques sont : y(0.5) = 2 - e^(-1) ≈ 1.632, y(1) = 2 - e^(-2) ≈ 1.865, y(1.5) = 2 - e^(-3) ≈ 1.950, y(2) = 2 - e^(-4) ≈ 1.982
Les valeurs numériques avec Euler sont toutes égales à 1.0. La méthode d'Euler est imprécise ici car le pas est trop grand. La précision est médiocre, ce qui montre l'importance du choix du pas de temps.
Résumé
Points clés
- Méthode itérative pour résoudre f(x) = 0
- Formule : x_{n+1} = x_n - f(x_n)/f'(x_n)
- Convergence rapide si x_0 est proche de la solution
- Requiert le calcul de la dérivée
- Méthode simple pour résoudre y' = f(t,y)
- Formule : y_{n+1} = y_n + h·f(t_n,y_n)
- Précision ordre 1 (proportionnelle à h)
- Facile à implémenter mais peu précise
- Méthodes d'ordre supérieur à Euler
- Plus précises mais plus complexes
- Runge-Kutta d'ordre 4 très courante
- Meilleure conservation des propriétés physiques
Conclusion
Félicitations !
Continuez à pratiquer pour renforcer vos compétences en ingénierie numérique